pandas.DataFrame.resample#
- DataFrame.resample(rule, closed=None, label=None, convention=<no_default>, on=None, level=None, origin='start_day', offset=None, group_keys=False)[源代码]#
重采样时间序列数据。
用于时间序列的频率转换和重采样的便捷方法。对象必须具有类似日期时间的索引（DatetimeIndex、PeriodIndex 或 TimedeltaIndex），或者调用者必须在
on/level关键字参数中传递类似日期时间序列/索引的标签。- 参数:
- 规则DateOffset, Timedelta 或 str
表示目标转换的偏移字符串或对象。
- 关闭{‘right’, ‘left’}, 默认 None
哪个边界的箱区间是封闭的。默认是 ‘left’ 对于所有频率偏移，除了 ‘ME’, ‘YE’, ‘QE’, ‘BME’, ‘BA’, ‘BQE’, 和 ‘W’ 这些默认是 ‘right’。
- 标签{‘right’, ‘left’}, 默认 None
哪个 bin 边缘标签用于标记桶。默认值为 ‘left’，除了 ‘ME’、’YE’、’QE’、’BME’、’BA’、’BQE’ 和 ‘W’ 之外，这些的默认值为 ‘right’。
- 惯例{‘start’, ‘end’, ‘s’, ‘e’}，默认 ‘start’
仅对于 PeriodIndex，控制是否使用 rule 的开始或结束。
自 2.2.0 版本弃用: 在重采样之前将 PeriodIndex 转换为 DatetimeIndex。
- 开str, 可选
对于一个 DataFrame，用于重采样的列，而不是索引。列必须是类日期时间类型。
- 级别str 或 int，可选
对于 MultiIndex，用于重采样的级别（名称或编号）。level 必须是类日期时间类型。
- 起源时间戳或字符串，默认 ‘start_day’
用于调整分组的时戳。原时区必须与索引时区匹配。如果是字符串，必须是可转换为时戳的或以下之一：
‘epoch’: origin 是 1970-01-01
‘start’: origin 是时间序列的第一个值
‘start_day’: origin 是时间序列在午夜的第一天
‘end’: origin 是时间序列的最后一个值
‘end_day’: origin 是最后一天的午夜上限
Added in version 1.3.0.
备注
仅对Tick频率（即固定频率，如天、小时和分钟，而不是月或季度）有效。
- offsetTimedelta 或 str, 默认是 None
一个添加到原点的偏移时间增量。
- group_keys布尔值, 默认为 False
在使用
.apply()对重采样对象进行操作时，是否在结果索引中包含组键。Added in version 1.5.0: 不指定
group_keys将保留来自 pandas 1.4 及更早版本的值依赖行为（参见 pandas 1.5.0 发行说明 中的示例）。在 2.0.0 版本发生变更:
group_keys现在默认为False。
- 返回:
- pandas.api.typing.Resampler
Resampler对象。
参见
Series.resample重采样一个序列。
DataFrame.resample重采样一个 DataFrame。
groupby按映射、函数、标签或标签列表对 Series/DataFrame 进行分组。
asfreq使用给定的频率重新索引一个 Series/DataFrame，而不进行分组。
备注
更多信息请参见 用户指南。
要了解更多关于偏移字符串的信息，请参见 这个链接。
示例
首先创建一个包含9个一分钟时间戳的系列。
>>> index = pd.date_range("1/1/2000", periods=9, freq="min") >>> series = pd.Series(range(9), index=index) >>> series 2000-01-01 00:00:00 0 2000-01-01 00:01:00 1 2000-01-01 00:02:00 2 2000-01-01 00:03:00 3 2000-01-01 00:04:00 4 2000-01-01 00:05:00 5 2000-01-01 00:06:00 6 2000-01-01 00:07:00 7 2000-01-01 00:08:00 8 Freq: min, dtype: int64
将序列下采样到3分钟的时间箱中，并累加落入该时间箱的时间戳的值。
>>> series.resample("3min").sum() 2000-01-01 00:00:00 3 2000-01-01 00:03:00 12 2000-01-01 00:06:00 21 Freq: 3min, dtype: int64
将序列按上述方法降采样到3分钟区间，但使用右边缘来标记每个区间。请注意，用作标签的区间中的值不包含在该区间中，它标记的区间中。例如，在原始序列中，区间
2000-01-01 00:03:00包含值 3，但重采样区间中标签为2000-01-01 00:03:00的总和值不包括 3（如果包括，总和值将是 6，而不是 3）。>>> series.resample("3min", label="right").sum() 2000-01-01 00:03:00 3 2000-01-01 00:06:00 12 2000-01-01 00:09:00 21 Freq: 3min, dtype: int64
要包括这个值关闭二进制区间的右侧，如下所示。
>>> series.resample("3min", label="right", closed="right").sum() 2000-01-01 00:00:00 0 2000-01-01 00:03:00 6 2000-01-01 00:06:00 15 2000-01-01 00:09:00 15 Freq: 3min, dtype: int64
将序列上采样到30秒的箱中。
>>> series.resample("30s").asfreq()[0:5] # Select first 5 rows 2000-01-01 00:00:00 0.0 2000-01-01 00:00:30 NaN 2000-01-01 00:01:00 1.0 2000-01-01 00:01:30 NaN 2000-01-01 00:02:00 2.0 Freq: 30s, dtype: float64
将序列上采样到30秒的箱中，并使用
ffill方法填充NaN值。>>> series.resample("30s").ffill()[0:5] 2000-01-01 00:00:00 0 2000-01-01 00:00:30 0 2000-01-01 00:01:00 1 2000-01-01 00:01:30 1 2000-01-01 00:02:00 2 Freq: 30s, dtype: int64
将序列上采样到30秒的箱中，并使用
bfill方法填充NaN值。>>> series.resample("30s").bfill()[0:5] 2000-01-01 00:00:00 0 2000-01-01 00:00:30 1 2000-01-01 00:01:00 1 2000-01-01 00:01:30 2 2000-01-01 00:02:00 2 Freq: 30s, dtype: int64
通过
apply传递自定义函数>>> def custom_resampler(arraylike): ... return np.sum(arraylike) + 5 >>> series.resample("3min").apply(custom_resampler) 2000-01-01 00:00:00 8 2000-01-01 00:03:00 17 2000-01-01 00:06:00 26 Freq: 3min, dtype: int64
对于 DataFrame 对象，关键字 on 可以用于指定重采样时使用的列，而不是索引。
>>> df = pd.DataFrame([10, 11, 9, 13, 14, 18, 17, 19], columns=["price"]) >>> df["volume"] = [50, 60, 40, 100, 50, 100, 40, 50] >>> df["week_starting"] = pd.date_range("01/01/2018", periods=8, freq="W") >>> df price volume week_starting 0 10 50 2018-01-07 1 11 60 2018-01-14 2 9 40 2018-01-21 3 13 100 2018-01-28 4 14 50 2018-02-04 5 18 100 2018-02-11 6 17 40 2018-02-18 7 19 50 2018-02-25 >>> df.resample("ME", on="week_starting").mean() price volume week_starting 2018-01-31 10.75 62.5 2018-02-28 17.00 60.0
对于具有 MultiIndex 的 DataFrame，可以使用关键字 level 来指定在哪个级别上进行重采样。
>>> days = pd.date_range("1/1/2000", periods=4, freq="D") >>> df2 = pd.DataFrame( ... [ ... [10, 50], ... [11, 60], ... [9, 40], ... [13, 100], ... [14, 50], ... [18, 100], ... [17, 40], ... [19, 50], ... ], ... columns=["price", "volume"], ... index=pd.MultiIndex.from_product([days, ["morning", "afternoon"]]), ... ) >>> df2 price volume 2000-01-01 morning 10 50 afternoon 11 60 2000-01-02 morning 9 40 afternoon 13 100 2000-01-03 morning 14 50 afternoon 18 100 2000-01-04 morning 17 40 afternoon 19 50 >>> df2.resample("D", level=0).sum() price volume 2000-01-01 21 110 2000-01-02 22 140 2000-01-03 32 150 2000-01-04 36 90
如果你想根据一个固定的时间戳调整分箱的起始点：
>>> start, end = "2000-10-01 23:30:00", "2000-10-02 00:30:00" >>> rng = pd.date_range(start, end, freq="7min") >>> ts = pd.Series(np.arange(len(rng)) * 3, index=rng) >>> ts 2000-10-01 23:30:00 0 2000-10-01 23:37:00 3 2000-10-01 23:44:00 6 2000-10-01 23:51:00 9 2000-10-01 23:58:00 12 2000-10-02 00:05:00 15 2000-10-02 00:12:00 18 2000-10-02 00:19:00 21 2000-10-02 00:26:00 24 Freq: 7min, dtype: int64
>>> ts.resample("17min").sum() 2000-10-01 23:14:00 0 2000-10-01 23:31:00 9 2000-10-01 23:48:00 21 2000-10-02 00:05:00 54 2000-10-02 00:22:00 24 Freq: 17min, dtype: int64
>>> ts.resample("17min", origin="epoch").sum() 2000-10-01 23:18:00 0 2000-10-01 23:35:00 18 2000-10-01 23:52:00 27 2000-10-02 00:09:00 39 2000-10-02 00:26:00 24 Freq: 17min, dtype: int64
>>> ts.resample("17min", origin="2000-01-01").sum() 2000-10-01 23:24:00 3 2000-10-01 23:41:00 15 2000-10-01 23:58:00 45 2000-10-02 00:15:00 45 Freq: 17min, dtype: int64
如果你想用 offset Timedelta 调整 bin 的开始，以下两行是等效的：
>>> ts.resample("17min", origin="start").sum() 2000-10-01 23:30:00 9 2000-10-01 23:47:00 21 2000-10-02 00:04:00 54 2000-10-02 00:21:00 24 Freq: 17min, dtype: int64
>>> ts.resample("17min", offset="23h30min").sum() 2000-10-01 23:30:00 9 2000-10-01 23:47:00 21 2000-10-02 00:04:00 54 2000-10-02 00:21:00 24 Freq: 17min, dtype: int64
如果你想将最大的时间戳作为箱子的结束：
>>> ts.resample("17min", origin="end").sum() 2000-10-01 23:35:00 0 2000-10-01 23:52:00 18 2000-10-02 00:09:00 27 2000-10-02 00:26:00 63 Freq: 17min, dtype: int64
与 start_day 相对，你可以使用 end_day 来取最大时间戳的午夜上限作为区间的结束，并删除不包含数据的区间：
>>> ts.resample("17min", origin="end_day").sum() 2000-10-01 23:38:00 3 2000-10-01 23:55:00 15 2000-10-02 00:12:00 45 2000-10-02 00:29:00 45 Freq: 17min, dtype: int64